← नवीनतम पेपर
💻 computer science

PLUME: Probabilistic Latent Unified World Modeling and Parameter Estimation for Multi-Finger Manipulation

यह शोध पत्र PLUME का प्रस्ताव करता है, जो एक संभाव्य लेटेंट यूनिफाइड वर्ल्ड मॉडल (probabilistic latent unified world model) है जो सिस्टम डायनेमिक्स को संयुक्त रूप से सीखता है और अनिश्चित भौतिक मापदंडों को ऑनलाइन अनुमानित करता है ताकि मल्टी-फिंगर मैनिपुलेशन नीतियों के सिम्युलेशन से वास्तविक दुनिया के कार्यों में मजबूत, ज़ीरो-शॉट ट्रांसफर को सक्षम बनाया जा सके।

मूल लेखक: Abhinav Kumar, Soshi Iba, Rana Soltani Zarrin, Dmitry Berenson

प्रकाशित 2026-06-11
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Abhinav Kumar, Soshi Iba, Rana Soltani Zarrin, Dmitry Berenson

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोटिक हाथ को एक नाजुक कार्य करने के लिए सिखाने की कोशिश कर रहे हैं, जैसे कि पेचकस घुमाना या सिक्के को उंगली से उछालना। समस्या यह है कि वास्तविक दुनिया अव्यवस्थित है। एक पेचकस फिसलन भरा हो सकता है, एक वाल्व जंग लगा हुआ हो सकता है, या एक बाल्टी उम्मीद से अलग आकार की हो सकती है। यदि रोबोट को इन विशिष्ट विवरणों का पता नहीं चलता है, तो वह उसी पकड़ के साथ पेचकस घुमाने की कोशिश कर सकता है जिसका उपयोग वह फिसलन भरी वस्तु के लिए करता है, जिससे उसके हाथ से उपकरण गिर सकता है।

यह शोध पत्र एक नई विधि पेश करता है जिसे PLUME (प्रोबेबिलिस्टिक लेटेंट यूनिफाइड वर्ल्ड मॉडलिंग एंड पैरामीटर एस्टीमेशन) कहा जाता है। आप PLUME को एक ऐसे रोबट के रूप में देख सकते हैं जो केवल यह नहीं सीखता कि कैसे हिलना है, बल्कि यह भी सीखता है कि खेल खेलते समय छिपे हुए नियमों का अनुमान कैसे लगाया जाए।

यह इस प्रकार काम करता है, जिसे सरल अवधारणाओं में विभाजित किया गया है:

1. "मिस्ट्री बॉक्स" की समस्या

वास्तविक दुनिया में, रोबोट सब कुछ नहीं देख सकता। वह सीधे तौर पर किसी सतह के "घर्षण" (friction) को या अपने हाथ में पकड़ी गई वस्तु के सटीक "आकार" को नहीं देख सकता। ये छिपे हुए चर (variables) की तरह हैं।

  • पुराना तरीका: पारंपरिक रोबट एक एकल "एक ही नियम सबके लिए" (one-size-fits-all) वाली रणनीति सीखने की कोशिश करते हैं। यह यह सीखने जैसा है कि केवल सूखी सड़क पर गाड़ी चलाने का अभ्यास करके यह उम्मीद करना कि आप बर्फ, बारिश और बजरी पर भी बिना अपनी ड्राइविंग शैली बदले गाड़ी संभाल लेंगे।
  • PLUME का तरीका: PLUME स्वीकार करता है कि उसे सटीक परिस्थितियों का पता नहीं है। इसके बजाय, यह एक "विश्वास" (belief) बनाए रखता है—अनुमानों का एक समूह कि अभी छिपे हुए नियम क्या हो सकते हैं।

2. "क्रिस्टल बॉल" और "जुआरी"

PLUME एक चतुर दो-चरणीय प्रक्रिया का उपयोग करता है जो एक क्रिस्टल बॉल और एक जुआरी के मिलकर काम करने जैसा है:

  • क्रिस्टल बॉल (पैरामीटर एस्टीमेशन): जैसे-जैसे रोबोट हिलता है, वह देखता है कि क्या हुआ (उदाहरण के लिए, "मैंने पेचकस घुमाने की कोशिश की, लेकिन यह थोड़ा फिसल गया")। यह अपने "विश्वास" के बारे में धारणा को अपडेट करने के लिए इसका उपयोग करता है। यह एक जासूस की तरह है जो संदिग्धों की सूची को अपडेट करता है: "ठीक है, घर्षण कम होना चाहिए, और पेचकस शायद ढीला है।"
  • जुआरी (प्लानिंग): एक बार जब रोबोट के पास छिपे हुए नियमों के बारे में बेहतर अनुमान होता है, तो वह तुरंत कार्य नहीं करता है। वह अपने दिमाग में हजारों "क्या होगा अगर" वाले परिदृश्यों को चलाता है (सिमुलेशन)। वह पूछता है: "यदि घर्षण कम है, तो क्या होगा यदि मैं पकड़ मजबूत करूँ? यदि वस्तु भारी है, तो क्या होगा यदि मैं इसे तेजी से उठाऊँ?"

3. "स्कोरकार्ड"

इन मानसिक सिमुलेशन को चलाने के बाद, रोबोट प्रत्येक संभावित पथ को स्कोर देता है। वह केवल उस पथ की तलाश नहीं करता है जो उच्चतम इनाम (जैसे "पेचकस घूम गया!") का वादा करता है; वह इसकी संभावना (likelihood) की भी जांच करता है।

  • उपमा: एक जुआरी की कल्पना करें जो घुड़दौड़ पर दांव लगाता है। एक साधारण जुआरी उस घोड़े पर दांव लगाता है जो जीत सकता है। एक समझदार जुआरी उस घोड़े पर दांव लगाता है जिसके जीतने की संभावना अधिक है और जो वास्तव में उस गति से दौड़ने में सक्षम भी है।
  • PLUME उन योजनाओं को खारिज कर देता है जो कागज पर तो अच्छी दिखती हैं लेकिन उसके वर्तमान "विश्वास" के अनुसार शारीरिक रूप से असंभव हैं। यह रोबोट को खतरनाक या असंभव चालें चलाने से रोकता है।

4. "मिश्रित डेटा" से सीखना

आमतौर पर, रोबोट को सीखने के लिए सटीक डेटा की आवश्यकता होती है। यदि कोई रोबोट वीडियो में पेचकस गिरा देता है, तो उस डेटा को अक्सर हटा दिया जाता है।

  • PLUME की महाशक्ति: यह "मिश्रित बैग" वाले डेटा से सीख सकता है, जिसमें विफलताएं भी शामिल हैं। क्योंकि यह लगातार इस बारे में अपने "विश्वास" को अपडेट करता रहता है कि विफलता क्यों हुई (जैसे, "आह, मैंने इसे इसलिए गिरा दिया क्योंकि मुझे लगा कि घर्षण अधिक था, लेकिन वास्तव में यह कम था"), यह बेहतर नियम सीखने के लिए खराब डेटा का उपयोग कर सकता है। यह विफल प्रयास को कचरे के रूप में नहीं, बल्कि एक सुराग के रूप में देखता है।

5. परिणाम: सिमुलेशन से वास्तविकता तक

शोधकर्ताओं ने PLUME का परीक्षण कई कठिन कार्यों पर किया:

  • पेचकस घुमाना (कंप्यूटर सिमुलेशन और वास्तविक रोबोट दोनों में)।
  • वाल्व घुमाना।
  • मेज पर डिस्क को फिंक (flick) करना।
  • जटिल हैंडल वाली बाल्टी उठाना।

परिणाम:
PLUME पूरी तरह से कंप्यूटर सिमुलेशन में प्रशिक्षित नीति (policy) को बिना किसी अतिरिक्त ट्यूनिंग के एक वास्तविक रोबोट पर लागू करने में सक्षम था (इसे "जीरो-शॉट ट्रांसफर" कहा जाता है)। इसने अन्य अत्याधुनिक तरीकों को काफी पीछे छोड़ दिया।

  • वास्तविक दुनिया के पेचकस कार्य पर, PLUME 93% बार सफल रहा, जबकि अगली सबसे अच्छी विधि केवल 86% बार सफल रही।
  • यह विनाशकारी विफलताओं, जैसे पेचकस गिराने, से बचने में बहुत बेहतर था।

सारांश

संक्षेप में, PLUME एक रोबोट मस्तिष्क है जो कहता है, "मुझे इस वस्तु के सटीक भौतिक विज्ञान का पता नहीं है, लेकिन मैं चलते समय इनका अनुमान लगा सकता हूँ।" यह उन अनुमानों का उपयोग भविष्य के हजारों पथों को सिम्युलेट करने के लिए करता है, और उस पथ को चुनता है जो पुरस्कृत भी हो और शारीरिक रूप से यथार्थवादी भी। यह इसे एक कठोर, पूर्व-प्रोग्रामित स्क्रिप्ट का पालन करने वाले रोबोट की तुलना में वास्तविक दुनिया की अव्यवस्थित और अप्रत्याशित प्रकृति को बेहतर ढंग से संभालने में सक्षम बनाता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →